前言
在一個完整的大數據處理系統中，除了hdfs+mapreduce+hive組成分析系統的核心之外，還需要數據採集、結果數據導出、任務調度等不可或缺的輔助系統，而這些輔助工具在hadoop生態體系中都有便捷的開源框架
如圖所示：
1.Flume介紹
1.1 概述
- Flume是一個分佈式、可靠、和高可用的海量日誌採集、聚合和傳輸的系統。
- Flume可以採集文件，socket數據包等各種形式源數據，又可以將採集到的數據輸出到HDFS、hbase、hive、kafka等衆多外部存儲系統中
- 一般的採集需求，通過對flume的簡單配置即可實現
- Flume針對特殊場景也具備良好的自定義擴展能力，因此，flume可以適用於大部分的日常數據採集場景
1.2 運行機制
- Flume分佈式系統中最核心的角色是agent，flume採集系統就是由一個個agent所連接起來形成
- 每一個agent相當於一個數據傳遞員，內部有三個組件：Source：採集源，用於跟數據源對接，以獲取數據Sink：下沉地，採集數據的傳送目的，用於往下一級agent傳遞數據或者往最終存儲系統傳遞數據Channel：angent內部的數據傳輸通道，用於從source將數據傳遞到sink
單個agent採集數據
多級agent之間串聯
2.Flume的安裝部署
2.1下載地址：http://flume.apache.org/download.html
上傳後解壓縮
tar -zxvf apache-flume-1.8.0-bin.tar.gz -C /usr/local/
改名：mv apache-flume-1.8.0-bin/ flume
2.2修改配置文件
進入conf目錄：
cp flume-env.sh.template flume-env.sh
在裏面配置JAVA_HOME
2.3配置環境變量
vim ~/.bashrc
中增加你的flume的安裝目錄路徑
source ~/.bashrc
2.4查看版本（到flume的bin目錄）
flume-ng version
3.Flume的三個案例
3.1、案例一
flume的官方文檔https://flume.apache.org/FlumeUserGuide.html
需求
從指定網絡端口採集數據輸出到控制檯
操作
使用flume的關鍵就是寫配置文件
- 1）配置Source
- 2）配置Channel
- 3）配置Sink
- 4)把以上三個組件串起來
在conf下增加配置文件
vim netcat-logger.conf
# example.conf: A single-node Flume configuration
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = Master
a1.sources.r1.port = 44444
# Describe the sink
a1.sinks.k1.type = logger
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
- a1:agent名稱
- r1:source名稱
- k1:sink名稱
- c1:channel名稱
啓動agent
netcat-logger.conf是自己剛剛創建的配置文件名字
flume-ng agent --name a1 --conf $FLUME_HOME/conf --conf-file $FLUME_HOME/conf/netcat-logger.conf -Dflume.root.logger=INFO,console
正在監聽數據
如何操作(使用telnet進行操作)
打開新的控制檯，對端口號44444進行操作
telnet Master 44444
接收數據進行分析
Event: { headers:{} body: 68 65 6C 6C 6F 0D hello.}
Event是Flume數據傳輸的基本單元
Event=可選的header+byte array
一行記錄即爲一個Event
3.2、案例二
需求
監控一個文件實時採集新增的數據輸出到控制檯
Agent選型：exec source + memory channel + logger sink
1.在conf下創建新配置文件example.conf
# example.conf: A single-node Flume configuration
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /usr/local/hadoop/data/data.log
a1.sources.r1.shell = /bin/sh -c
# Describe the sink
a1.sinks.k1.type = logger
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
2.在/usr/local/hadoop中創建data文件夾，並創建data.log文件
mkdir data
vim data.log 保存並退出
2.啓動Agent
flume-ng agent --name a1 --conf $FLUME_HOME/conf --conf-file $FLUME_HOME/conf/example.conf -Dflume.root.logger=INFO,console
3.data.log增加內容
echo hello >> data.log
3、案例三
需求
將A服務器上的日誌實時採集到B服務器上
技術選型：
exec source + memory channel + avro sink
avro source + memory channel + logger sink
啓動